astraflow

AstraFlow 是一个面向数据流的强化学习系统，专为多智能体大语言模型（LLM）的 RL 训练设计。它支持全异步多策略协同训练、弹性异构跨区域 rollout、可替换的 rollout 与 trainer 服务，以及可组合的数据算法，无需针对特定功能进行系统级工程改造。基于数据流范式构建，具备高灵活性与横向扩展能力，适用于需要动态资源调度、多策略联合优化及分布式异构硬件协同的 LLM 强化学习场景，如数学推理、多角色协作任务等。